社区事务：卫生干预的不同影响

因此，更好地理解异质反应有助于加强不同目标人群中RCT的普遍性和外部有效性（Allcott和Mullainathan，2012，Ferraro和Miranda，2013，Hotzet al.，2005，Imai和Ratkovic，2013）。决策者可以利用响应性小组的证据，制定更具成本效益的目标实施战略（Djebbari和Smith，2008年，Heckman等人，1997年）。本着同样的精神，我们认为尼日利亚和其他国家的决策者可以利用我们的发现，瞄准贫穷的地理区域，这样做可以避免浪费资金在低响应或无响应社区实施CLT。鉴于最近的估计，“参与式卫生设施的真实成本”可能相当可观（Crocker等人，2017b），这一点尤其重要：加纳现有的成本估计范围为每个目标家庭30.34美元至81.56美元，埃塞俄比亚为14.15美元至19.21美元。在下一节中，我们将对我们的发现在其他环境中的外部有效性提出我们的论点。5.1社区财富作为调和CLTS RCT结果分歧的一个因素1999年在孟加拉国发展起来，如今CLTS在25多个拉丁美洲、亚洲和非洲国家的国家ZF和非ZF组织中得到广泛实施和认可。鉴于其早期存在的有效性证据有限（Venkataramanan等人，2018年），其传播通常是对众多行动者的热情倡导的反应，包括草根活动家、州官员和捐助界（Zuin等人，2019年）。20世纪10年代初，出现了严格的评估研究。然而，即使今天的政策制定者希望根据现有证据做出CLTS实施决策，冲突影响估计也不能成为有用的指南。

据我们所知，其他五项研究根据随机对照试验估计了CLT类干预措施对发展中国家的影响。世界银行水与卫生项目（WSP）在坦桑尼亚（Briceno等人，2017年）、印度中央邦（Patil等人，2014年）和印度尼西亚东爪哇（Cameron等人，2019年）进行了其中三项研究。Pickering等人（2015年）在马里农村进行了类似的评估。最后，Guiteras等人（2015年）在孟加拉国塔诺尔进行了一次集群RCT，评估了三种不同政策方法的影响，其中一种是CLTS式干预。由此产生的证据没有定论，估计的CLTS影响范围从马里厕所拥有量增加30个百分点到孟加拉国和印度尼西亚进行的研究中没有统计上可检测的影响。在本节中，我们认为社区层面的SES，尤其是财富，可能是导致这些分歧结果的因素。在第4节中，我们在尼日利亚的实地实验中记录了社区财富对CLTS影响的强烈异质性。如果这些结果是外部的，那么其他两个是供应方技术援助和补贴规定。在较富裕地区或研究地点进行有效的CLTS干预通常比在较贫穷地区进行的干预具有更低（或无法检测到）的影响。利用研究特定数据，我们分析了在长期SES状态下，RCT之间（和内部）CLT的有效性如何变化。作为第一步，我们使用一致的方法估计每个RCT（孟加拉国、印度、印度尼西亚和坦桑尼亚）的厕所所有权和开放式排便的异质性影响，这些RCT的数据是公开的。最理想的情况是，我们将比较一个社区财富衡量指标的影响估计值，这两个指标是（a）在研究中保持一致的，以及（b）按治疗单位（即社区）汇总的。

不幸的是，并非所有研究都收集了耐用消费品所有权方面的数据，在我们的尼日利亚研究中，耐用消费品用于构建社区财富指数。此外，资产负债指数下的耐用项目在国家和背景方面都具有高度的特殊性（Filmer和Pritchett，2001）。由于数据一致性的原因，聚合治疗单元并不总是可行的，这使得在大多数引用的研究中，研究集群的准确位置不可披露。由于这些原因，我们使用基线的夜光强度作为社区水平估计的替代指标。夜光指数在不同地区具有可比性，我们在每个研究中可用的最低地理水平d计算夜光指数。虽然过去用于代表非洲国家次国家一级的人均GDP，这是一种收入衡量指标（Michalopoulos，2013），但我们已经表明，它是社区SES的有力代表，并产生了与社区财富获得的影响估计非常相似的异质性影响估计（见表5）。为了进行估计，我们将每个RCT样本分为更丰富和更贫穷的集群，然后根据普遍可用的信息实施相对精简的ANCOVA模型。这些研究的数据集可在以下网站找到：Guiteras et al.（2017）（孟加拉国），《水与卫生计划和工程与经济研究与管理网络》（2009）（印度），水和卫生计划（2008）（印度尼西亚）和Briceno等人（2012）（坦桑尼亚）。对于马里的RCT（Pickering et al.（2015）），在没有公开数据的情况下，我们报告了他们的论文中提出的估计值，这些估计值是通过比较治疗和对照家庭在终点的结果得出的。

OD结果反映是否有成年女性进行OD。类似的限制排除了使用人口密度和距离最近的地区总部的距离。附录表21详细概述了用于计算平均夜光强度的地理分解水平和观测地理单位数量。根据我们在前面章节中的分析，我们利用夜间光照强度的研究内变化来分别计算每个样本中较丰富部分和较丰富部分的治疗效果。由于数据限制，无法执行此程序的详细信息和例外情况，请参见附录E。所有夜间照明指数均与基线调查年相关。Michalopoulos（2013）也提出了财富与夜光强度之间存在强烈相关性的证据。研究得出以下规范：yicd=α+γrTcd+θyicd0+Xicdβ+ωd+icd（3）结果变量yicd是两个虚拟变量，表示i）d区c组中的i户拥有私人功能厕所，以及ii）任何家庭成员的OD。Tcdis如果来自d区的聚类c已分配给CLT，则为一个虚拟变量，否则为零。我们在这里区分了地区和集群，出于数据保护的原因，我们观察匿名集群级别c的治疗分配，并观察非匿名地区级别d的社区SES。家庭级别控制西卡代尔人的性别、年龄和户主的年龄平方，以及家庭的主要活动是否是农业。

我们在适当的情况下包括地区层面的地理固定效应（ωd），以解释分层随机化。标准误差在群集级别进行群集，即随机化单元。在图5中，我们报告了CLTS对贫穷和富裕社区的厕所所有权和露天排便（右轴）影响的研究特定点估计，以及所考虑的研究区域（左轴）上相应的卫星夜光强度。这说明了我们的主要结果，即平均而言，在较差的环境中，即在图左侧的灯光强度较低的环境中，CLTS更有效。随着夜间灯光强度的增加，两种结果的点估计值都会减少（厕所所有权用黑色圆圈表示，OD用灰色钻石表示），拒绝无效假设的可能性也会下降。比较内部影响估计（例如坦桑尼亚低影响与高影响），我们发现“较贫穷”的一半社区的影响估计总是较大。请注意，我们在夜光强度高于尼日利亚中值（即平均夜光强度高于0.89，由夜光指数轴0值上方的水平虚线标记）的研究地点中未发现CLTS影响的证据。相比之下，夜光指数最低的所有四个社区组（以及存在多个治疗组的病例中的所有样本，我们仅包括CLTS组和对照组。我们为结果变量包括基线值YICD0，坦桑尼亚除外，该国未收集基线数据。

我们在尼日利亚的研究是唯一一项包含多个治疗后调查波的研究，因此我们将样本限制在第二次随访波（FU2）的观察，这在时间上与其他研究的干预后调查最接近。地区层面的固定影响用于估计印度、印度尼西亚、尼日利亚和坦桑尼亚的影响。我们忽略了孟加拉国的地理固定影响，因为实验是在一个地区进行的。马里是一个例外，由于缺乏数据访问，我们无法生成异构影响估计。图5CLTS对OD和厕所拥有量的影响（按平均夜光强度）注：CLTS对OD患病率（灰钻石）和厕所拥有量（黑点）影响的简单差异回归得出的研究特定点估计值。灰色条形图显示了美国宇航局（NASA）运行线扫描（OLS）系统记录的研究区域内每项研究基线调查年份的平均夜光强度。马里研究的数据不可用，因此使用Pickering et al.（2015）中表2的结果（对于OD，使用成年女性的结果）。尼日利亚较贫穷社区的平均夜灯）显示出统计上显著的CLTS影响。我们认为，这支持了我们的论点，即CLTS在增加厕所拥有量和减少相对贫困地区的露天排便方面更有效。由于图5暗示了社区SES和CLTS影响之间的反比关系，我们通过区域特定夜光指数（见图6）得出CLTS对厕所拥有率和露天排便的点估计之间的线性关系，进一步探讨了这一点。

这些线性函数的平方表明，对数夜光的变化可以合理化42%（50%）的CLT变化对增加厕所拥有量（和减少OD）的影响。图6CLTS对研究区域夜间光照强度的治疗效果（a）厕所所有权（b）开放式排便注：图5中每个国家（子）样本的CLTS对厕所所有权（面板a）和OD率（面板b）的平均治疗效果，马里除外，我们没有国内差异。水平轴是基线期间每个研究区域夜光强度的对数。在一项单独的活动中，我们汇集了三项GPS数据可用的研究，因此我们可以在集群级别（即印度尼西亚、尼日利亚和坦桑尼亚）测量夜光强度，并估计整体和异质CLT对厕所拥有量的影响，报告应简单明了。我们发现，平均CLTS对尼日利亚RCT的影响在质量上类似，厕所拥有量增加了5个百分点（见表10第1列和第2列）。然后，我们使用三种可选的函数形式来捕捉夜光变化，估计混合样本的异质性影响。首先，我们将地理单元划分为显示零或正夜光强度的地理单元，因为其分布强烈向右倾斜。其次，我们使用尼日利亚RCT的结果作为参考，并将尼日利亚作为一个分割点，因为我们在我们的RCT中未发现超出该水平的CLT影响估计（见表5）。第三，我们使用更灵活的三分位数，通过夜光强度估计异质性影响。表10第3列至第5列所示的结果支持我们的假设，即CLTS影响因社区的SES而异，此处通过夜光强度测量。

我们发现SES较低地区的影响估计值大得多，约为9个百分点。请注意，当使用汇总估计值时，我们无法通过随机化依赖严格的外生性进行识别。然而，我们将国家固定效应包括在内，这将在RCT站点中收集样本变化，但没有发现它们改变了影响估计（见表10第1列和第2列）。在无夜光的区域，即最低三分之一。如果我们沿着尼日利亚夜光中位数划分区域，这些结果会更加明显：在较贫穷的地区，CLTS将厕所拥有率提高12个百分点（在1%的置信度水平上显著）。同样，我们从未在任何特定的高SES地区发现统计上显著的CLT影响估计值（无论是通过正夜光强度、尼日利亚中值以上的强度还是三分之一以上的强度定义）。我们进一步检验“贫”和“富”地区的估计系数之间的差异是否为零，并拒绝除一个以外的所有规范中的假设。此外，夜光增加的三分位数（第5列）的影响正在下降，这与我们的RCT中的结果类似（参见图4中显示的四分位数分割）。这些结果只是提示性的，但与我们的发现一致。更详细的分析需要访问每项研究中的确切聚类位置，或获取有关耐用消费品家庭所有权的更详细数据（两者均不可用），然后将这些数据结合起来，分别确定跨研究差异与不同家庭的真实观察差异，例如米格尔（2019）提出的。因此，我们认为，通过研究区域的平均财富差异（通过夜光测量），可以合理化研究中的大范围CLT影响。

我们在尼日利亚及其他地区的研究结果表明，CLTS在贫困社区更为有效。5.2政策含义我们发现的影响不言而喻：资金有限的ZF如果采用有效的目标定位战略，可能会在卫生方面取得更大的改善，而这种战略可以基于社区财富的衡量。我们认为，现有的调查，如人口与健康调查（DHS）或卫星亮度调查（SatelliteNighlight intensity），这两项调查都适用于广泛实施CLTS的大陆上所有60个国家，可以构成此类目标战略的基础。汇集样本中31%的观测值位于夜光强度为零的区域。例外情况是第3列中的规格，我们将样品分为零和正夜光区域。这种划分可能过于粗糙，将具有非常低但正夜光的低SES区域归入高SES类别。在附录D中，我们详细说明了如何将这些数据用于尼日利亚的CLT目标。我们根据尼日利亚NRCT和2013年尼日利亚人口和健康调查的影响估计，制定了目标战略。尽管DHS包含的资产清单不如我们的数据详细，但简单的DHS社区财富指数强烈预测了我们研究中使用的更复杂的社区财富衡量标准，支持了这样一种观点，即收集资产财富信息的现成调查，如人口和健康调查，非常适合CLT目标。图7中的目标地图显示了重点目标区域，即在阴影较深的地区，厕所拥有率较低的贫困地区。图7CLTS在尼日利亚的目标来源：根据DHS Nigeria 2013自己的计算。表10按nightlightDep划分的综合CLTS影响。

变量：厕所拥有量按区域划分的夜光强度（NL）0与位置低于或高于NL三分之一尼日利亚夜光中位数（1）（2）（3）（4）（5）按社区的夜光强度（NL）0.05 0.05（0.01）（0.01）异质性在零/低于中位数/第一中位数NL 0.09 0.12 0.09（0.01）（0.00）（0.01）第二位数NL 0.07（0.04）正/高于中位数/第三位数CLTNL 0.03-0.01-0.01（0.25）（0.62）（0.69）差异-0.06-0.13（0.14）（0.00）差异（中低）-0.02（0.71）差异（高低）-0.10（0.03）国家FE否是是是是SBL所有权否否否否否否否否否否否否否否否否否。集群580 580 580 580 580否。obs的。7843 7843 7843 7843 7843 7843注：使用印尼、尼日利亚和坦桑尼亚样本的汇总回归结果。所有规格都控制户主的年龄、年龄和年龄平方，如果农业是家庭的主要经济活动，则虚拟变量等于1。区域固定效应也包括在内，误差在随机单元层面上进行聚类。6讨论和结论设计有效的政策来解决发展中国家迫切的卫生问题，需要对家庭的投资选择和行为改变的驱动因素有细微的了解。在本文中，我们提供了社区主导的全面卫生（CLTS）有效性的证据，这是一种在世界各地广泛实施的参与性信息干预。我们的研究在尼日利亚使用了一个大的随机分组实验，我们收集了治疗三年后的数据。CLT的实施是大规模的，即由当地非ZF组织培训的WASH公务员实施。我们表明，CLTS是一种参与性社区干预，没有财政成分，总体上对开放式排便和厕所建设有积极但适度的影响。